تشخیص بیماری پریودنتال با استفاده از الگوریتم لونبرگ- مارکواردت
نویسندگان
چکیده مقاله:
خلاصه: سابقه و هدف: بیماری پریودنتال، یکی از شایعترین بیماریهای عفونی دهان است. تشخیص صحیح و زودهنگام آن میتواند موجب کاهش میزان عوارض ناخوشایند گردد. هدف از این مطالعه بررسی دقت و کارایی شبکهی عصبی مصنوعی در تشخیص بیماری پریودنتال است. مواد و روشها: این مطالعهی تشخیصی، در بازهی زمانی سالهای 94 و 95 از بررسی پروندهی پزشکی 230 مراجعه کننده به بخش پریودانتیکس دانشکدهی دندانپزشکی زاهدان انجام شد. 5 متغیر سن، جنسیت، شاخص پلاک دندانی )PI)، عمق پروبینگ (PPD(و شاخص از دست دادن چسبندگی (CAL) در این افراد بررسی شد. در مدل شبکهی عصبی مصنوعی پیشخور با الگوریتم پس انتشار خطا از تابع آموزشی لونبرگ -مارکواردت استفاده شد. ارزش پیشبینی مثبت و ارزش پیشبینی منفی جهت ارزیابی شبکه در مرحلهی آزمون مورد استفاده قرار گرفت. یافتهها: نتایج نشان دادن که شبکهی پس انتشار خطا با ساختار 5-20-4-2 و الگوریتم لونبرگ-مارکواردت و استفاده از توابع انتقال یکسان در تمام لایهها (تانژانت هایپربولیک سیگموئیدی) میتواند به عنوان تابع آموزشی کارا در تشخیص بیماری پریودنتال مورد استفاده قرار گیرد. مقادیر ارزش پیشبینی مثبت و منفی در مرحله ی آزمون به ترتیب 94/7 و 80 درصد به دست آمد. خروجی نرم افزار مقادیر مناسبی را برای زمان (5870/ 4 ثانیه) و رگرسیون در فاز آزمون،آزمایش و کل (7475/. ، 9749/ 0 و 9254/ 0) به دست آورد. نتیجهگیری: به نظر میرسد استفاده از شبکه عصبی مصنوعی میتواند در تشخیص بیماریهای پریودنتال در حداقل زمان کمک کننده باشد.
منابع مشابه
مدلسازی محلی میدان ثقل از طریق توابع پایه شعاعی و الگوریتم لونبرگ-مارکواردت بهبود یافته
مدلسازی میدان ثقل به صورت جهانی و محلی و با به کارگیری دادههای ارتفاع سنجی ماهوارهای، هوابرد، زمینی و یا ترکیبی از مجموعه این دادهها صورت میگیرد. یکی از روشهای مرسوم برای تقریب میدان ثقل، استفاده از بسط توابع هارمونیک کروی است. به دلیل مشخصههای جهانی توابع پایه هارمونیک کروی، تغییرات محلی کوچک منجر به تغییر در تمام ضرایب این توابع میشود و لذا این توابع برای مدلسازیهای محلی مناسب نیست...
متن کاملمدل سازی محلی میدان ثقل از طریق توابع پایه شعاعی و الگوریتم لونبرگ-مارکواردت بهبود یافته
مدل سازی میدان ثقل به صورت جهانی و محلی و با به کار گیری داده های ارتفاع سنجی ماهواره ای، هوابرد، زمینی و یا ترکیبی از مجموعه این داده ها صورت می گیرد. یکی از روش های مرسوم برای تقریب میدان ثقل، استفاده از بسط توابع هارمونیک کروی است. به دلیل مشخصه های جهانی توابع پایه هارمونیک کروی، تغییرات محلی کوچک منجر به تغییر در تمام ضرایب این توابع می شود و لذا این توابع برای مدل سازی های محلی مناسب نیست...
متن کاملوارونسازی سهبُعدی دادههای مغناطیسی منطقۀ آهندار سرخه-دیزج زنجان با استفاده از الگوریتم غیرخطی مارکوارت-لونبرگ
هدف از تدوین مقال? حاضر، وارونسازی سهبُعدی دادههای مغناطیسی منطق? آهندار سرخه-دیزج در استان زنجان با استفاده از الگوریتم غیرخطی مارکوارت-لونبرگ و عرضة یک مدل زمینشناسی بهمنزلة منشأ این دادهها است. برنام? فرترن مورد استفاده، محدود? مورد بررسی را به شبکهای منظم از تودههای منشوری قائم تقسیم میکند و با استفاده از یک مدل اولیه و با یک فرایند تکراری، پارامترهای مجهول هریک از منشورها را میی...
متن کاملتشخیص بیماری دیابت نوع2 با استفاده از درخت تصمیم C4.5
مقدمه: یکی از شایعترین بیماریها در دنیای امروز بیماری دیابت است و سالانه شیوع دیابت در سطح جهان حدود درصد افزایش مییابد. استفاده از تکنیکهای دادهکاوی برای ایجاد مدلهای پیشگویی کننده، جهت شناسایی افراد در معرض خطر برای کاهش عوارض ناشی از بیماری بسیار کمککننده است. در این پژوهش با استفاده از درخت تصمیم C4.5 به روشهای پیشگیری و تشخیص این بیماری پرداخته شد. روش: در این پژوهش کاربردی- توصی...
متن کاملتشخیص بیماری دیابت نوع2 با استفاده از درخت تصمیم C4.5
مقدمه: یکی از شایعترین بیماریها در دنیای امروز بیماری دیابت است و سالانه شیوع دیابت در سطح جهان حدود درصد افزایش مییابد. استفاده از تکنیکهای دادهکاوی برای ایجاد مدلهای پیشگویی کننده، جهت شناسایی افراد در معرض خطر برای کاهش عوارض ناشی از بیماری بسیار کمککننده است. در این پژوهش با استفاده از درخت تصمیم C4.5 به روشهای پیشگیری و تشخیص این بیماری پرداخته شد. روش: در این پژوهش کاربردی- توصی...
متن کاملتشخیص بیماری تب کریمهکنگو با استفاده از درخت تصمیم C4.5
مقدمه: با شروع فصل تابستان، بیماری بین انسان و حیوان، یعنی تب کریمهکنگو به سرعت شیوع پیدا میکند. تشخیص این بیماری با استفاده از آزمایشهای لازم، در کمترین حالت زمانی حدود یک هفته به طول میانجامد. روشهای دادهکاوی و یادگیری ماشین متعددی برای ایجاد مدلهای پیشگوییکننده جهت شناسایی افراد در معرض خطر وجود دارد. در این پژوهش از درخت تصمیم C4.5 به دلیل سادگی و کارآمدیاش به منظور تشخیص این بیما...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 14 شماره 4
صفحات 213- 219
تاریخ انتشار 2018-01
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023